論文の概要: Partially Observable Zero-shot coordination by Predicting Intention of Partner

• arxiv url: http://arxiv.org/abs/2610.08142v1
• Date: Tue, 06 Oct 2026 10:55:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.946159
• Title: Partially Observable Zero-shot coordination by Predicting Intention of Partner
• Title（参考訳）: パートナーの意図の予測による部分観測可能なゼロショット調整
• Abstract要約: 我々はこれらの課題に共同で対処するために、パートナーの意図予測(PIP)を提案する。 PIPは共同ビューVAEを使用して、双方のエージェントの局所的な観察の融合からより豊かな訓練時間の証拠をパートナー表現に抽出する。 本研究では,Burito-PO,Over-cooked-PO,Melt Pot基板のPIPとBurito-POの人的評価を行った。
• 参考スコア（独自算出の注目度）: 49.14342838097559
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Zero-shot coordination in embodied settings requires acting while the partner is intermittently out of view, leaving existing methods with ambiguous partner representations and uncertainty over hidden partner states. We propose Predicting Intention of Partner (PIP) to jointly address these challenges. PIP uses a Joint-view VAE to distill richer training-time evidence from the union of both agents' local observations into a partner representation available from local observations alone. Partner-state Belief networks further infer the partner's hidden location and behavioral tendencies from the ego agent's interaction history. We evaluate PIP in Burrito-PO, Overcooked-PO, and a Melting Pot substrate, together with a human evaluation in Burrito-PO. PIP attains the highest mean performance among the compared methods across all three benchmarks. Human evaluation and diagnostic analyses further support coordination with unseen partners and the contributions of both components under partner occlusion.
• Abstract（参考訳）: 具体的設定におけるゼロショットコーディネーションは、パートナーが断続的に見落として行動することを必要とし、既存の方法には曖昧なパートナー表現と、隠されたパートナー状態に対する不確実性が残されている。 我々はこれらの課題に共同で対処するために、パートナーの意図予測(PIP)を提案する。 PIPはジョイントビューVAEを使用して、双方のエージェントの局所的な観察から、より豊かな訓練時間の証拠を、局所的な観察のみから利用可能なパートナー表現に抽出する。 パートナー状態のベルイフネットワークは、エゴエージェントの相互作用履歴からパートナーの隠れた位置と行動傾向を推測する。 本研究では,Burito-PO,Overcooked-PO,Melt Pot基板のPIPとBurito-POの人的評価について検討した。 PIPは3つのベンチマークで比較されたメソッドの中で最高の平均性能を達成している。 人間の評価と診断分析は、未確認のパートナーとの協調と、パートナーの排除下での双方のコンポーネントの貢献をさらに支援する。

関連論文リスト

• INTACT: Ego-Guided Typed Sparse Evidence Retrieval for Heterogeneous Collaborative Perception [50.64511548643398]
  異種知覚のためのエゴ誘導型スパースエビデンス検索フレームワークを提案する。 IntACTは、エゴの車両に、疑わしい物やエビデンスに欠ける地域を表す型付きエビデンスクエリを発行する。 シミュレーションおよび実世界の異種知覚ベンチマークの実験は、INTACTの有効性とデプロイ性を検証する。
  論文  参考訳（メタデータ） (2026-06-03T04:34:53Z)
• Beyond Partner Diversity: An Influence-Based Team Steering Framework for Zero-Shot Human-Machine Teaming [1.6672631924542791]
  インフルエンスベースのチームステアリングは、インフルエンスシェーピングを使用してエージェントにインセンティブを与え、多様なハイパフォーマンスなチームインタラクションパターンを見つけるフレームワークである。 IBTSは2エージェントと3エージェントの両方でOvercooked-AI上で評価し、学習された協調構造がダイアド相互作用を超えて移動するかどうかを検証した。 我々の評価には、シミュレートされたパートナー、合成パートナースタイルのバリエーション、そして私たちの知る限り、2人の真の人間チームメイトと1人のマシンチームメイトを含む30件のOvercooked-AI HMT研究が含まれている。
  論文  参考訳（メタデータ） (2026-05-14T20:34:16Z)
• Unsupervised Partner Design Enables Robust Ad-hoc Teamwork [7.578942855148756]
  Unsupervised Partner Design (UPD) は、ロバストなアドホックチームワークのためのマルチエージェント強化学習フレームワークである。 UPDは、エゴエージェントのポリシーをランダムパラメータと混合することで多様なパートナーを構築し、分散ベースの学習性メトリクスを用いてそれらをスコアする。 UPDは教師なし環境設計と統合可能であることを示す。
  論文  参考訳（メタデータ） (2025-08-08T14:11:15Z)
• CooT: Learning to Coordinate In-Context with Coordination Transformers [10.888155149916967]
  コーディネーション・トランスフォーマー(Coordination Transformers, Coot)は、目に見えないパートナーに迅速に適応する、コンテキスト内協調フレームワークである。 cootは、人口ベースアプローチ、勾配ベースの微調整、メタRLにインスパイアされたコンテキスト適応方法など、ベースラインを一貫して上回る。 対照的に、cootは安定かつ迅速なインコンテクスト適応を実現し、人間の評価において最も効果的なコラボレータである。
  論文  参考訳（メタデータ） (2025-06-30T06:45:39Z)
• ZSC-Eval: An Evaluation Toolkit and Benchmark for Multi-agent Zero-shot Coordination [26.267503981559646]
  ZSCアルゴリズムの最初の評価ツールキットおよびベンチマークであるZSC-Evalを提案する。 ZSC-Evalは,(1)展開時パートナーの分布を近似した行動優先報酬による評価パートナー候補の生成,2)Best-Response Diversity(BR-Div)による評価パートナーの選択,3)Best-Response Proximity(BR-Prox)メトリックによる各種評価パートナーとの一般化性能の測定,からなる。
  論文  参考訳（メタデータ） (2023-10-08T15:49:36Z)
• Best Practices for 2-Body Pose Forecasting [58.661899246497896]
  我々は、人間のポーズ予測の進捗状況を概観し、最善を尽くす一対一の実践を詳細に評価する。 他の1人のプラクティスは2体に移行しないため、提案されているベストプラクティスは階層的なボディモデリングや注目に基づくインタラクションエンコーディングは含まない。 提案した2体ポーズによるベストプラクティス予測では,最新のExPIデータセットのパフォーマンスが21.9%向上した。
  論文  参考訳（メタデータ） (2023-04-12T10:46:23Z)
• PECAN: Leveraging Policy Ensemble for Context-Aware Zero-Shot Human-AI Coordination [52.991211077362586]
  本研究では,集団におけるパートナーの多様性を高めるための政策アンサンブル手法を提案する。 そこで我々は,egoエージェントがパートナーの潜在的ポリシープリミティブを分析し,識別するためのコンテキスト認識手法を開発した。 このようにして、エゴエージェントは多様なパートナーとの共同作業において、より普遍的な協調行動を学ぶことができる。
  論文  参考訳（メタデータ） (2023-01-16T12:14:58Z)
• Pose-guided Visible Part Matching for Occluded Person ReID [80.81748252960843]
  本稿では、ポーズ誘導による特徴の識別を共同で学習し、その部分の可視性を自己判断する Pose-Guided Visible Part Matching (PVPM) 法を提案する。 実験結果から,提案手法は最先端手法と競合する性能を示した。
  論文  参考訳（メタデータ） (2020-04-01T04:36:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。